在TensorFlow中图像张量的形状是什么
在TensorFlow中，图像张量的形状是一个四维张量，通常表示为batch_size, height, width, channels。其中，batch_size表示每个批次中图像的数量，height表示图像的高度，width表示图像的宽度，channels表示图像的通道数。
图像张量的形状在深度学习中非常重要，它决定了神经网络模型的输入大小。通过调整图像张量的形状，可以适应不同的图像尺寸和通道数，以满足不同的模型需求。
在TensorFlow中，可以使用tf.reshape函数来改变图像张量的形状。例如，可以将一个形状为batch_size, height, width, 3的图像张量转换为形状为batch_size, height width 3的二维张量，以便输入到全连接层。
对于图像处理任务，TensorFlow提供了丰富的图像处理函数和工具，如图像的加载、预处理、增强等。同时，腾讯云也提供了一系列与图像处理相关的产品和服务，如腾讯云图像处理（Image Processing）服务，可以实现图像的裁剪、缩放、滤镜等功能。详情请参考腾讯云图像处理产品介绍：https://cloud.tencent.com/product/imgpro
相关·内容
1回答
我有输入图像张量与形状[?, 448, 448, 3]和我的网络预测一个边界盒与形状[?, 4]。我想切片我的图像张量与边界框张量，并调整大小的结果张量为一个固定大小的图像，以进一步处理。
对于tensorflow (或者更好的，在Keras中)，这是可能的吗？我已看过有关的问题。例如，和，但是它们不适用于索引张量和原始张量都有未知第一维的情况。
任何在正确方向上的帮助都是非常感谢的！
浏览 3提问于2017-10-15得票数 1
回答已采纳
我想把几个tensorflow：：张量串联在一起，只使用会话一次，我有一个过程，为每个图像检索一个张量，用这个代码建议填充数据。
但是我遇到了试图合并所有这些张量的问题，函数concat的文档还不清楚如何实现它，此时我的代码如下所示：
std::vector<tensorflow::Tensor> inputTensorVector;
for(cv::Mat image: images){
inputTensorVector.push_back(create_vector(image));
}
tensorflow::Tensor input(tensorflow::DT
浏览 1提问于2019-08-05得票数 2
2回答
我很难理解Tensorflow张量和稀疏张量的含义和用法。
根据文件
张量
张量是一种典型的多维数组.例如，您可以将一小批图像表示为一个四维浮点数字数组，其中包含维度批处理、高度、宽度、通道。
稀疏张量
TensorFlow将稀疏张量表示为三个独立的密集张量:索引、值和形状。在Python中，为了便于使用，三个张量被收集到一个SparseTensor类中。如果有单独的索引、值和形状张量，则在传递到下面的操作之前，将它们包装在SparseTensor对象中。
我的理解是张量用于操作、输入和输出。稀疏张量只是张量(稠密？)的另一种表示。希望有人能进一步解释不同之处，以及他们的用例。
浏览 3提问于2017-12-05得票数 24
回答已采纳
我在试着理解tensorflow的占位符。具体而言，在下面的示例中，shape=[None,是什么意思。
X = tf.placeholder(tf.float32, shape=[None, 128, 128, 3], name="X")
回答将其描述为：
您可以将TensorFlow中的占位符看作是一个操作，该操作指定将输入到graph.placeholder X中的形状和数据类型，定义float32类型的未指定数量的形状行(128、128、3)将被输入到图形中。占位符不保持状态，只定义要流到图形中的数据的类型和形状。
当它说“未指定的行数”时，是否真的指形状为12
浏览 0提问于2018-07-16得票数 16
我正在尝试将CNN的输出输入到TensorFlow的RNN中。
CNN处理10张图像并输出形状张量(1,230,2048)。其中230是所有图像的序列总数，2048是每个序列的长度。
我跟踪向量中每个图像的序列数量。例如：
[1, 9, 25, 29, 31, 10, 23, 29, 37, 36]
我可以得到最大序列号，在这种情况下，它将是37。
问题是如何在不同的位置填充(1,230,2048)张量，以便用相同数量的序列(在本例中为37)表示所有图像？
最后的张量应该是形状(1,370,2048)。
谢谢
浏览 3提问于2016-12-18得票数 2
在TensorFlow中有许多图像操作用于在训练过程中失真输入图像，例如tf.image.random_flip_left_right(image, seed=None)和tf.image.random_brightness(image, max_delta, seed=None)等。
这些功能是为单个图像(即形状高度、宽度、颜色通道的三维张量)而设计的.我如何使他们工作在一批图像(即四维张量与形状批处理，高度，宽度，颜色通道)？
一个工作的例子将是非常感谢的！
浏览 1提问于2016-08-12得票数 20
回答已采纳
我正在尝试在tensorflow中训练模型，并获得一些张量的形状。但是即使我使用形状函数，我也看不到张量形状。我只能看到以下输出。 我应该怎么做才能看到张量的形状？ 代码： # mat is <class 'tensorflow.python.framework.ops.Tensor'>
tf.print(mat.shape) 输出： TensorShape([None, None])
浏览 27提问于2021-08-27得票数 1
我只是用TensorFlow来计算形状的张量A的Sobel边映射。
我发现在TensorFlow中，有一个名为'tf.image.sobel_edges‘的函数，它可以返回每个通道的边缘映射。对于这个函数，它返回形状为16,96,96,1,2的张量。我的理解是边缘映射应该是二值图像，所以输出应该是16,96,96,1，1，但是这个函数的输出是16，96，96，1，2.如果我只想获得图像的边缘能量，如何从这个函数的输出中获得图像的边缘能量？
你能解释一下吗？提前感谢！
浏览 3提问于2019-06-24得票数 1
回答已采纳
1回答
我在Keras中创建了一个模型，并将其转换为Tensorflow.js模型并将其加载到我的node.js项目中。现在我想在Tensorflow.js中从这个模型中得到预测。我想出了如何加载一个图像：
var singleImageData = fs.readFileSync('path/to/image.jpeg');
var image = tf.node.decodeImage(new Uint8Array(singleImageData), 3);
image = tf.cast(image, 'float32');
//other image proce
浏览 3提问于2021-02-10得票数 1
回答已采纳
我有两个张量，我想连接在tensorflow。
这些张量的形状是:(Bs,dynamics,n_features)
batch_size和n_features保证是相同的，所以我认为这个操作是可能的。
不过，我认为丹索尔·弗洛会进行预检查吗？tensorflow将检查两个形状为(None, None, n_features)的张量是否可以连接在轴1中，这是不可能的，因为它不知道None+None的结果是什么
有人知道这件事吗？
浏览 4提问于2022-07-25得票数 1
1回答
我有一组形状为50的(50,128,128,1)图像，它表示为TensorFlow中的张量。假设25th和30th图像只是零图像，但我不知道预先哪些图像都为零(本例中的25th和30th只是为了更清楚地说明情况)。我希望删除这样的图像，并有一个张量，是大小(48,128,128,1)。如何在Tensorflow中实现这一点，而无需循环通过张量50时间的50维数，并检查每幅图像是否为tf.reduce_sum(tf.abs(image_i))>0。
浏览 4提问于2020-01-17得票数 1
回答已采纳
我需要将维度N的张量列表转换为具有维度N+1的新张量，以便新维度将是最右边的维度。
例如，如果x和y都是形状(4,3)的张量，那么我试图通过形成z并将张量x设置为沿第三维的第0个元素，并将张量y设置为沿第三维的第一个元素来创建形状(4,3,2)的新张量z。在伪代码中：
z = tf.fromList([x,y],3)
在Tensorflow中实现这一点的最佳方法是什么。我无法从TF 0.7.1的文档中找出它。
浏览 0提问于2016-03-02得票数 9
我想在TensorFlow中使用这个函数，但是它对3D张量而不是4D张量进行操作:我有一个外部维度batch_size。
tf.image.random_flip_left_right(input_image_data)
也就是说，此函数需要形状的张量(图像)：
(width, height, channels)
但我有多个图像，例如：
(batch_size, width, height, channels)
如何将随机翻转函数映射到批处理大小中的每个图像，并将具有相同4D形状的张量作为输出？
我的猜测是，它需要在函数入口处进行重塑，并在函数之后进行重塑，但我不确定这是否会破坏数据的结构，并
浏览 4提问于2016-09-19得票数 5
1回答
我正在尝试使用自定义的yolov4暗网模型在web应用程序中进行检测，该模型已按照以下步骤转换为tensorflow：
然后，按照以下步骤将模型转换为tensorflow.js：
我的问题是，模型无法预测，当我尝试进行预测时，我得到了输出张量：
张量{kept: false，isDisposedInternal: false，shape: Array(3)，type：
'float32', size: 0, …}
dataId: {id: 1725}
dtype: "float32"
id: 947
isDisposedInternal: false
kept:
浏览 7提问于2022-03-23得票数 0
Tensorflow有一个叫做的函数，它将高维张量相乘。但我很难理解它是如何工作的，部分原因可能是因为我很难想象它。
我想做的是把矩阵乘以三维张量的每一片，但我不太明白张量a的形状是什么。Z是最内在的维度吗？下列哪一项是正确的？
我最希望第一个是正确的--这对我来说是最直观的，并且很容易在.eval()输出中看到。但我怀疑第二个是正确的。
Tensorflow说batch_matmul执行：
out[..., :, :] = matrix(x[..., :, :]) * matrix(y[..., :, :])
那是什么意思？在我的例子中，这意味着什么？什么是与什么相乘的？
浏览 3提问于2015-12-09得票数 12
回答已采纳
1回答
我有两个包含图像和标签的形状数组(600 )。当我试图以任何形式将它们传递给Keras/Tensorflow时，我会得到以下错误：
ValueError:无法将NumPy数组转换为张量(不支持对象类型numpy.ndarray)。
据我所知，图像存储在数组中。当观察内部数组(单个图像)时，它们具有以下属性：
具有形状的dtype=uint8数组：(x，500，3)，其中x在300和500之间。
我能够通过pandas.apply在图像数组上应用tf层，希望问题是图像大小不一致：
resize_and_rescale = tf.keras.Sequential([
tf.keras.la
浏览 4提问于2021-05-19得票数 2
我似乎想不出如何用tensorflow.js创建一个粗糙的张量。我在api文档中也找不到任何东西。
我正在做一个简单的猫对狗AI，并有不同大小的图像。我使用fs.readFileSync获取缓冲区，使用toJson方法，然后在训练数据中使用对象上的data属性作为向量。因为图像是不同的，每个矢量都是不同的大小，因此需要一个粗糙的张量。我已经尝试过在我的形状中使用null或NaN，但没有结果。
我对坦索弗洛也相当陌生，所以欢迎你提出任何建议。
这是我的代码：
const tensorflow = require('@tensorflow/tfjs')
const fs = req
浏览 0提问于2019-04-28得票数 2
回答已采纳
1回答
毕氏张量标引
、、
我目前正致力于将一些代码从tensorflow转换为py手电筒，我遇到了 func的问题，没有直接的函数来转换它。
我想做的基本上是索引，我有两个张量，特征张量形状的[minibatch, 60, 2]和索引张量[minibatch, 8]，比如第一个张量是张量A，第二个张量是B。
在Tensorflow中，它直接用tf.gather(A, B, batch_dims=1)转换
我如何在火把中实现这一点？
我尝试过A[B]索引。这似乎不管用
A[0]B[0]可以工作，但形状的输出是[8, 2]
我需要[minibatch, 8, 2]的形状
如果我像[stack, 8, 2]那样叠加张量，它可
浏览 1提问于2019-07-17得票数 3
回答已采纳
我得到了一个由4个灰度图像组成的图像堆栈，我想把它传递给一个带有tensorflow的神经网络。
在阅读了我的4张灰度图像并将它们转换成张量后，当我把它传递给神经网络时，它们的形状是(4,120,160)，我得到了一个错误消息。在googling之后，我发现我需要输入形状(4,120,160,1)，其中1代表颜色通道。
无论如何，我没有发现用这种方式改变张量的形状。它似乎适用于展开dims函数，但对我来说，理解它所做的事情有点神秘。
浏览 1提问于2020-12-15得票数 0
回答已采纳
假设我们有两个TensorFlow张量：input和weights。
比方说，input是n个图像的张量。所以它的形状是n，H，W，C。weights是n个标量权重的简单列表：[w1 w2 ... wn]
其目的是将每个图像与其相应的权重进行标量相乘。
如何做到这一点？
我尝试使用具有1x1核的tf.nn.conv2D，但我不知道如何将秩1权重张量重塑为所需的秩4核张量。
任何帮助都将不胜感激。
浏览 2提问于2019-10-20得票数 1
3回答
在TensorFlow中，我打算用泰勒级数来处理张量 具有某些近似项。为此，我尝试处理灰度图像( )和sin(x)的泰勒级数，它工作得很好。现在，我在处理具有以下形状的灰度图像时遇到了同样的问题 转换为具有以下形状的RGB图像 ，它没有给出正确的数组。直观地说，我试图用泰勒展开来操纵张量。 ..。谁能向我展示一下在tensorflow中实现这一点的可能方法？有什么想法吗？ 我的尝试 这是泰勒展开 在 具有三个展开项。 from tensorflow.keras.datasets import mnist
(X_train, y_train), (X_test, y_test) = mnist
浏览 74提问于2021-02-10得票数 3
回答已采纳
在中，它说：
在TensorFlow中，张量既有静态(推断)形状，也有动态(真)形状。静态形状可以使用tf.Tensor.get_shape()方法读取:该形状是从用来创建张量的操作推断出来的，并且可能是部分完成的。如果静态形状未完全定义，则可通过计算tf.shape(t)来确定张量t的动态形状。
但是，我仍然不能完全理解静态形状和动态形状之间的关系。是否有例子显示他们的不同之处？谢谢。
浏览 3提问于2016-05-08得票数 63
回答已采纳
我有一个3阶张量的形状(100, 257, 121)，我们称之为y_pred。
我从形状(257, 121)中提取了一个2级张量，我们称之为y_element。
是否有一种类似于tensorflow.not_equal()的方法，将y_element与沿y_pred轴0的其他2级张量单元进行比较，并返回形状(100)的布尔张量。
调用tensorflow.not_equal(y_pred, y_element)确实返回一个bools张量，但其形状与y_pred相同，这意味着它正在将y_element张量与y_pred中的所有3109700个值进行比较。
浏览 2提问于2020-05-18得票数 1
回答已采纳
我有两个张量(OQ，OA)，在我的模型的最后一层的末尾，形状如下。
OQ形状：(1,600)
OA形状：(1600)
这些张量是'tensorflow.python.framework.ops.Tensor‘型的。
如何计算Tensorflow 2.0中这些张量的余弦相似性和欧氏距离？，我们又得到一个张量，还是在0,1之间得到一个单一的分数值？请帮帮忙。
我试过了，但没能看到比分。
score_cosine = tf.losses.cosine_similarity(tf.nn.l2_normalize(OQ, 0), tf.nn.l2_normalize(OA, 0))
pri
浏览 5提问于2020-03-06得票数 1
回答已采纳
我想通过保留10%的最大条目来过滤张量。有没有Tensorflow函数可以做到这一点？一个可能的实现是什么样子的？我正在寻找可以处理形状张量[N,W,H,C]和[N,W*H*C]的东西。 通过过滤器，我的意思是张量的形状保持不变，但只保留了最大的10%。因此，除了10%最大的条目之外，所有条目都变为零。 这有可能吗？
浏览 36提问于2019-03-05得票数 3
回答已采纳
1回答
我有以下情况：
我想使用Tensorflow服务部署一个人脸检测器模型：。
在Tensorflow服务中，有一个名为--enable_batching的命令行选项。这将导致模型服务器自动对请求进行批处理，以最大限度地提高吞吐量。我想让这个启用。
我的模型接受一组图像(称为图像)，这是形状(batch_size, 640, 480, 3)的张量。
该模型有两个输出：(number_of_faces, 4)和(number_of_faces,)。第一个输出将称为faces。最后一个输出(我们可以称之为分区)是对应面的原始批处理中的索引。例如，如果我传入一批4张图像，得到7张face
浏览 3提问于2017-09-17得票数 2
1回答
在某些情况下，tensorflow似乎能够在图形创建时检查张量的值，而在其他情况下，这是失败的。
>>> shape = [constant([2])[0], 3]
>>> reshape([1,2,3,4,5,6], shape)
<tf.Tensor 'Reshape_13:0' shape=(2, 3) dtype=int32>
>>> zeros(shape)
<tf.Tensor 'zeros_2:0' shape=(?, 3) dtype=float32>
在上面的示例中，
浏览 0提问于2018-03-01得票数 4
回答已采纳
在channels_last格式中，数据张量的形状是(batch_size, height, width, channels)，而权重张量的形状显然是(参见参考2) (rows, cols, input_depth, output_depth)。
在channels_first格式中，数据张量的形状是(batch_size, channels, height, width)，而权重张量的形状是什么？
我一直在寻找那个问题的答案。当我运行代码并使用model.get_weights()获取权重和偏置张量时，权重张量的格式在channels_first中似乎与channels_last中的格式相同
浏览 8提问于2022-06-21得票数 0
回答已采纳
我正在尝试将形状为(253,223)的图像的张量转换为相同大小的numpy数组，以便我可以绘制图像。我看过文档，他们建议我使用eval函数，如下所示 sess = tf.Session()
with sess.as_default():
print(type(tf.constant([img1]).eval())) 但它会抛出错误“当期望单个张量时抛出张量列表”。 这里类型(Img1)是<class 'tensorflow.python.framework.ops.Tensor'>，形状是(253,223)。使用keras tf.keras.backend.
浏览 24提问于2019-05-28得票数 0
说，在创建时，我们需要指定张量的形状。这个形状自动变成张量的形状。它还说，TensorFlow提供了重塑变量的高级机制。我怎么能这么做？有代码示例吗？
浏览 6提问于2015-11-11得票数 23
回答已采纳
我得到了以下错误：
anaconda2/envs/tensorflow/lib/python2.7/site-packages/tensorflow/python/ops/gradients.py:90: UserWarning:将稀疏IndexedSlices转化为形状未知的密集张量。这可能会消耗大量内存。“将稀疏IndexedSlices转换为形状未知的密集张量。”回溯(最近一次调用)：
trainstep = tf.train.AdamOptimizer(0.0001).minimize(lossobj)
文件"anaconda2/envs/tensorflow/lib/pyth
浏览 5提问于2017-01-25得票数 0
1回答
可变批量张量的显式广播
、、、
我正在尝试在TensorFlow2.0RC中实现一个自定义的Keras Layer，需要将一个[None, Q]形状的张量连接到一个[None, H, W, D]形状的张量上，以产生一个[None, H, W, D + Q]形状的张量。假设两个输入张量具有相同的批量大小，即使事先不知道。此外，H、W、D和Q在写入时都是未知的，但在第一次调用该层时会在该层的build方法中进行求值。我遇到的问题是，为了连接，把[None, Q]形状的张量传播到[None, H, W, Q]形状的张量。 下面是一个尝试使用从shape [None, 3]到shape [None, 5, 5, 3]执行可变批量广
浏览 6提问于2019-08-30得票数 1
回答已采纳
1回答
给予：
以[batch_size, num_points, 2]形状张量排列的一组点，
还有一批形状[batch_size, height, width, 3]的图像，
我们如何在图像上画点？
在图像像素的顶部有tf.image.draw_bounding_boxes绘制边界框，但我没有找到绘制关键点的等价物。
最好使用tensorflow-nic答案，不需要在tf.py_func中使用纯python。
浏览 0提问于2019-07-24得票数 2
自定义单元格接受(输入、状态)并生成(输出、状态)。我相信输入是张量，状态是张量的列表。从与错误信息的斗争中看，张量似乎带有一个额外的维度，但我不确定在RNN的上下文中会是什么。另一个维度是为了什么？预期的输出大小/形状是什么？
顺便说一下我用的是Tensorflow后端。
浏览 0提问于2019-04-08得票数 0
在 tensorflow教程之后，在构建模型部分下，给出了keras.Sequential()的第一层参数vocab_size=10000。什么意思？
在查看了文档之后，我发现，序列模型需要知道输入张量(输入层的张量)的形状，而input_shape属性定义了它。但是input_shape应该是(30，50，50，3) (对于30，50x50 RGB图像)。本教程中的值为10000。
浏览 0提问于2018-07-16得票数 0
回答已采纳
我有一个形状为[x, y]的张量，我想要减去平均值，然后逐行除以标准差(即我想对每一行做这件事)。在TensorFlow中执行此操作的最有效方法是什么？
当然，我可以按如下方式遍历各行：
new_tensor = [i - tf.reduce_mean(i) for i in old_tensor]
...to减去平均值，然后做一些类似的事情来找出标准差并除以它，但这是在TensorFlow中做这件事的最好方法吗？
浏览 1提问于2016-08-02得票数 4
回答已采纳
我试图编写一块可重用的代码，读取一个张量的形状，然后使用生成的对象来定义其他张量的形状。我可以选择用tf.shape(tensor)读取张量的动态形状，或者用tensor.get_shape()读取张量的静态形状。玩具示例如下(有两种不同的策略)：
def my_function_strategy_1(x, y):
x_shape = tf.shape(x)
a = tf.reshape(y, x_shape)
b = tf.zeros(x_shape)
num_x_values = x_shape[0]
c = tf.reshape(y, [num_x
浏览 1提问于2018-02-28得票数 2
回答已采纳
在Tensorflow中，我遇到了将稀疏张量(稀疏占位符)乘以稠密张量的问题。我还遇到了将稀疏张量直接转换为稠密张量的问题。我已经搜索过了，但到目前为止还没有找到这个问题的例子。
TL;DR
如果稀疏占位符将其shape参数设置为None，则计算有效，但如果提供类似于(3,3)的形状，则会失败。
下面是工作的代码：
import tensorflow as tf
import numpy as np
matrix_place = tf.placeholder(tf.float32, name="foo", shape=(3,2))
sparse_place = tf.spar
浏览 0提问于2018-03-22得票数 2
回答已采纳
我试图从我目前正在阅读的一篇论文的实现中了解以下内容：
在tensorflow中，如果我有一个(4,64,5,5)形状的张量x
然后我创建了一个新的维度
X= x:，:，tf.newaxis
以(4,64,1,5,5) shape的一个新张量结束
那么我就知道了
X= tf.tile(x，(1，1，5，1，1))
以某种形状的(4,64,5,5,5)结束
阅读tf.tile的文档后，我仍然不明白在这种情况下它到底在做什么。我复制了新的维度5次吗？如果是的话，那么tensorflow的新维度到底是什么呢？我到底在复制什么？
浏览 2提问于2021-12-15得票数 1
回答已采纳
1回答
我不太明白Tensorflow的广播机制是如何运作的。假设我们有以下代码：
W1_shape = [5, 5, 1, 32]
b1_shape = [32]
x = tf.placeholder(tf.float32)
initial_W1 = tf.truncated_normal(shape=W1_shape, stddev=0.1)
W1 = tf.Variable(initial_W1)
initial_b1 = tf.constant(0.1, shape=b1_shape)
b1 = tf.Variable(initial_b1)
conv1 = tf.nn.conv2d(x, W
浏览 1提问于2017-07-07得票数 1
回答已采纳
0回答
我是tensorflow的初学者，所以请容忍我。现在，我正在尝试修改现有的python程序，用于CNN创建超分辨率图像。如果你感兴趣，可以在这里找到代码：
输入张量具有形状<5,240,320,3>，5是批量大小，240和320是图像的大小，3是通道数(RGB)。我想修改这个程序的黑白图像，所以只有一个通道的-> <5,240,320,1>
首先，我将测试和验证图像转换为b/w：
image = image.convert('L')
然后图像被写入一个数组，这就是我的问题开始的地方。该数组的大小为<240,320>。由5个图像组成
浏览 2提问于2017-06-16得票数 0
回答已采纳
我正在Tensorflow 2.1上设置一个图像数据管道。我使用的数据集具有可变形状(h，w，3)的RGB图像，我无法找到使其工作的方法。当我调用tf.data.Dataset.batch()时，我会得到以下错误：
tensorflow.python.framework.errors_impl.InvalidArgumentError: Cannot batch tensors with different shapes in component 0. First element had shape [256,384,3] and element 3 had shape [160,240,3]
浏览 3提问于2020-03-30得票数 2
有谁知道如何将opencv.js垫子转换为张量，这样我就可以将其输入到我的tensorflow.js分类器中？ 以下代码显示了我在读取和预处理要分类的图像时所做的工作： img_array = cv.imread(document.getElementById('picture1'), cv.IMREAD_GRAYSCALE);
cv.cvtColor(img_array, img_array, cv.COLOR_RGBA2GRAY);
let dsize = new cv.Size(100, 100);
cv.resize(img_array, img_array, dsi
浏览 39提问于2021-07-06得票数 1
回答已采纳
1回答
我指的是TensorFlow网站上的MNIST教程。有一个用于保存28 x 28像素MNIST图像的张量。该形状如下所示：
x = tf.placeholder(tf.float32, shape=[None, 784])
如您所见，它们将矩阵展平，并将所有像素用作784个值的一维向量。
如何使用28 x 28像素的适当矩阵设置张量？我想保存有关图像的2D结构的信息。
浏览 11提问于2017-06-20得票数 0
回答已采纳
设t是(m, n)形状的Tensorflow张量。设F是p函数的列表f_1, f_2, ...，其中这些函数的每个函数都有一个张量，并输出相同形状的张量。
我需要计算形状的张量T，(p, m, n)，这样，T[i]=f_i(t)。
注意，这是映射函数的逆设置，在这里，我们将1函数应用于元素集合。在这里，我们需要将函数的集合应用到1元素。此外，我们需要在并行中这样做。
朴素的方法(非并行)是通过for循环(或列表理解)生成的这些计算结果的叠加。
T = tf.stack([
f(t) for f in F
])
Tensorflow版本: 2.0.0a。模式:急切的
浏览 0提问于2019-06-04得票数 1
1回答
我使用了Keras和Tensorflow，认为Input(shape=(1280,224,1)将接受灰度图像、图像、、Width=1280和Height=224的张量，这就是我在ResNet中使用的所有预先训练过的模型使用的ImagedataGeneratorflow_from_directory(target_size=(1280,224))。
它在中以宽度和高度的形式表示为：
input_shape:可选的形状元组，只能在include_top为False时指定(否则输入形状必须是(224, 224, 3) (带有channels_last数据格式)或(3, 224, 224) (带有c
浏览 0提问于2021-02-17得票数 0
我有两个张量，形状为(100, 4)和(100, 2)。我想在TensorFlow中执行一个连接操作，类似于np.hstack，在NumPy中，这样输出将是形状的(100, 6)。有一个TensorFlow函数来完成这个任务吗？
浏览 5提问于2017-04-13得票数 10
回答已采纳
我有一个形状为[batch_size, D]的2D张量A，以及一个形状为[batch_size]的1D张量B。B的每个元素都是A的一个列索引，对于A的每一行，例如。B[i] in [0,D)。 在tensorflow中获取值A[B]的最佳方法是什么 例如： A = tf.constant([[0,1,2],
[3,4,5]])
B = tf.constant([2,1]) 使用所需的输出： some_slice_func(A, B) -> [2,4] 还有另一个限制。实际上，batch_size实际上就是None。 提前感谢！
浏览 98提问于2016-07-21得票数 3
回答已采纳
我想使用tensorflow dataset构建一个数据管道。因为每个数据都有不同的形状，所以我无法构建一个数据管道。
import tensorflow_datasets as tfds
import tensorflow as tf
dataset_builder = tfds.builder("oxford_flowers102")
dataset_builder.download_and_prepare()
train_data = dataset_builder.as_dataset(split=tfds.Split.TRAIN)
train_data = tra
浏览 1提问于2019-08-26得票数 6
回答已采纳
我想在TensorFlow 2.0中实现以下设计。
给出了memory张量的形状[a, b, c]，
形状的indices张量，[a, 1]，
和形状的updates张量，[a, c]，
我想用memory中的值在indices指示的位置增加updates。
tf.tensor_scatter_nd_add似乎不起作用：
tf.tensor_scatter_nd_add(memory, indices, updates)返回{InvalidArgumentError}Inner dimensions of output shape must match inner dimensions of
浏览 9提问于2019-09-13得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
